国产理论片一区二区三区-亚洲国产麻豆精品一区二区38-久久久久国产精品久久久久专区-久久久久久久久久久国产精品

基于無人機多光譜數(shù)據(jù)的農(nóng)田土壤水分遙感監(jiān)測

2022-04-18 15:38:00 點將科技 970

摘要:為了提高農(nóng)田精準(zhǔn)管理效率,基于無人機(Unmaned Aerial Vehicle,UAV )實時獲取和傳輸?shù)倪b感數(shù)據(jù)設(shè)計了一種快速監(jiān)測農(nóng)田土壤水分的方法:首先,利用 UAV 飛行采集農(nóng)田的多光譜數(shù)據(jù),在農(nóng)田選取一個代表性的重點觀測區(qū)域進行隨機樣點土壤水分探測;然后,利用垂直干旱指數(shù)(Perpendicular Drougth Index,PDI),結(jié)合樣點土壤水分?jǐn)?shù)據(jù)快速構(gòu)建農(nóng)田土壤水分反演模型,進而獲得大范圍的農(nóng)田土壤水分監(jiān)測結(jié)果. 并通過6個時相獲取的UAV數(shù)據(jù)和樣點土壤水分?jǐn)?shù)據(jù),進行方法實驗和模型精度分析,結(jié)果表明利用該方法進行農(nóng)田土壤水分監(jiān)測的精度較高:6個時相土壤水分反演結(jié)果的決定系數(shù) R2均在 0.8 以上,其中5個時相的均方根誤差RMSE和系統(tǒng)誤差SE值均小于0.1. 這證明了基于UAV數(shù)據(jù)設(shè)計的農(nóng)田土壤水分監(jiān)測方法的有效性和可行性,可以為大范圍農(nóng)田土壤水分的快速監(jiān)測提供方法參考. 

     土壤水分表示一定深度土層中土壤的干濕程度,是氣候、生態(tài)、水文和農(nóng)學(xué)等研究領(lǐng)域的一個基礎(chǔ)參數(shù)[1]. 在農(nóng)業(yè)生產(chǎn)中,農(nóng)田的土壤水分是旱澇指示因子,是農(nóng)作物旱情判斷及灌溉管理的基礎(chǔ)指 標(biāo),也是影響農(nóng)作物的生長發(fā)育的重要因素,更是影響精準(zhǔn)農(nóng)業(yè)發(fā)展的關(guān)鍵因素[2]. 因此,全面、實時和準(zhǔn)確的農(nóng)田土壤水分監(jiān)測,對農(nóng)作物長勢的科學(xué)認(rèn)識、精準(zhǔn)灌溉技術(shù)的實施和農(nóng)作物產(chǎn)量的評估都有重要的現(xiàn)實意義.

    土壤水分監(jiān)測方法主要有傳統(tǒng)的土壤水分測定方法和遙感監(jiān)測方法. 傳統(tǒng)的土壤水分測定方法是基于手工的單點測定,盡管具有測定精度高和操作簡單的優(yōu)點,但數(shù)據(jù)時效性差,且單點土壤水分信息不能代表區(qū)域土壤水分情況,難以滿足大范圍、實時的土壤水分監(jiān)測需求[3-4] .遙感技術(shù)的發(fā)展,給土壤水分的實時、動態(tài)、宏觀監(jiān)測提供了新思路,一定程度上彌補了傳統(tǒng)測定方法的不足. 遙感手段獲取土壤水分是基于土壤表面的遙感數(shù)據(jù),通過研究遙感數(shù)據(jù)與土壤水分的關(guān)系,建立土壤水分與遙感數(shù)據(jù)的關(guān)系模型來反演土壤水分信息[5-6] . 目前利用遙感技術(shù)反演土壤水分主要用到的遙感波段有:可見光-近紅外、熱紅外和微波. 學(xué)者們基于這些遙感波段得到了許多模型和方法,如作物缺水指數(shù)(Crop Water Stress Index,CW-SI)法[7-8]、水分虧缺指數(shù)(Water Deficit Index,WDI)法[9]、植被供水指數(shù)(Vegetation Supply Water Index,VSWI)法[10]、微波法[11-12]等. 其中,可見光-近紅外遙感監(jiān)測土壤水分方法根據(jù)土壤反射率會隨著土壤水分增加而降低的特征,通過構(gòu)建光譜指數(shù)與土壤水分之間的關(guān)系模型進而反演土壤水分. 基于近紅外和紅光(NIR-Red)對水分的吸收特性,GHULAM等[13]提出了垂直干旱指數(shù) (Perpendicular Drought Index,PDI ),能有效探測土壤水分變化趨勢,簡單易用且物理意義明確,常應(yīng)用于不同地區(qū)土壤水分的監(jiān)測[14-16].目前的遙感方法可以實現(xiàn)對土壤水分的大面積監(jiān)測,但仍存在時效性較差、精度較低的問題. 無人機(Unmaned Aerial Vehicle,UAV )可以實時獲取和傳輸高分辨率的遙感數(shù)據(jù),UAV 遙感可以彌補目前的遙感方法監(jiān)測土壤水分時效性差的不足,為作物土壤水分監(jiān)測提供了新的技術(shù)和思路. 近年來,基于UAV遙感的土壤水分監(jiān)測方法得到了廣泛的研究,如:張智韜等[17]利用 UAV數(shù)據(jù)對裸土含水率進行大范圍快速測定并確定了最佳土壤監(jiān)測深度;陳震等[18]利用UAV影像進行作物土壤水分虧缺反演研究,構(gòu)建了土壤水分反演模型;葛翔宇等[19]提出 了一種基于UAV遙感快速監(jiān)測土壤水分的新方案.當(dāng)前,UAV 遙感監(jiān)測土壤水分的方法和相關(guān)模型正在不斷地完善,如何利用UAV 數(shù)據(jù)進行準(zhǔn)確、快速、大范圍的土壤水分監(jiān)測是未來研究中的重點和難點.本文旨在探索一種基于UAV遙感的農(nóng)田土壤水分監(jiān)測方法:利用實時獲取的UAV多光譜數(shù)據(jù),構(gòu)建農(nóng)田土壤水分反演模型,從而實現(xiàn)大范圍農(nóng)田土壤水分的快速監(jiān)測,為農(nóng)作物合理灌溉、農(nóng)業(yè)精準(zhǔn)化管理提供參考
1 研究區(qū)域
研究區(qū)域是位于廣東省韶關(guān)市始興縣東北部的特色煙葉種植農(nóng)田 (中心經(jīng)緯度:114°11‘44’’E,25°03‘10’‘N),如圖 1 所示. 該農(nóng)田總面積約為16.67hm2,田間作物種植統(tǒng)一有序,田埂排列整齊. 作物的生長期為每年的 3—6 月份,圖 1 是2019年5月12日獲取的農(nóng)田范圍的多光譜影像. 由于研究區(qū)面積較大,為了快速建立農(nóng)田土壤水分反演模型,本研究在農(nóng)田中選取了一塊面積為0.38hm2 的重點觀測區(qū)(農(nóng)田東北部的黃色矩形區(qū)域),用于實地探測田間樣點的土壤水分.

  圖片關(guān)鍵詞

2 數(shù)據(jù)與方法
2.1 數(shù)據(jù)采集
數(shù)據(jù)采集包括UAV多光譜數(shù)據(jù)獲取與田間樣點的土壤水分探測. UAV數(shù)據(jù)的獲取采用大疆精靈4proUAV 信息采集系統(tǒng),搭載Parrot Sequoia 傳感器作為遙感數(shù)據(jù)采集平臺,飛行設(shè)備及野外調(diào)研照片如圖2所示. Parrot Sequoia 傳感器由多光譜傳感器和光照傳感器兩部分組成,其獲取的多光譜影像共有4個光譜通道:綠光Green ( 波長550nm,帶寬40nm)、紅光Red(波長660nm,帶寬 40nm )、紅邊 Red_edge(波長75nm ,帶寬10nm )和近紅外NIR(波長 790nm,帶寬40nm ). 本研究在作物生長期內(nèi)一共飛行采集了6個時相的覆蓋整塊農(nóng)田的UAV多光譜影像(具體時間見表 1),UAV飛行高度均為 80m, UAV 多光譜影像空間分辨率為0.1m ,數(shù)據(jù)質(zhì)量良好.

圖片關(guān)鍵詞

圖片關(guān)鍵詞

為了快速建立農(nóng)田土壤水分反演模型,每次飛行采集 UAV多光譜數(shù)據(jù)完成后,均在重點觀測區(qū)隨機選取若干個建模樣點,并進行土壤水分探測;最后,在農(nóng)田其他區(qū)域也選取若干個驗證樣點并進行土壤水分探測,用于檢驗反演模型的精度水平,詳細(xì)信息見表 1. 田間樣點的土壤水分采用Decagon公司生產(chǎn)的ECH2O/EC-5土壤濕度監(jiān)測儀進行單點測定,該儀器的探針插入土壤中,通過計算土壤中電解質(zhì)的質(zhì)量分?jǐn)?shù)來估算單位土壤容積中水 分子所占的比例,則可快速探測出樣點的土壤體積含水率(Volumetric Water Content,VWC),儀器的測量偏差值為±0.03. 每個樣點最終記錄的 VWC值均是通過連續(xù)3探測所取的平均值(VWC 值越大,代表土壤水分越高),每次探測時長為 3~ 4s,探測土壤深度為0~ 10cm.

2.2  土壤水分監(jiān)測方法

本文利用 UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)(PDI),設(shè)計了一種快速監(jiān)測農(nóng)田土壤水分的方法,并通過6個時相獲取的 UAV 數(shù)據(jù)進行方法實驗. 技術(shù)流程如圖 3 所示,具體方法介紹如下:(1)通過搭載在 UAV 的多光譜相機獲取覆蓋整塊農(nóng)田的多光譜數(shù)據(jù),并對數(shù)據(jù)進行拼接、配準(zhǔn)、校正等預(yù)處理;(2)計算歸一化植被指數(shù)( NDVI),從而得到植被覆蓋(作物)范圍,對植被覆蓋范圍進行掩膜處理,得到農(nóng)田的土壤分布范圍;(3) 計算農(nóng)田土壤范圍的PDI,得到整塊農(nóng)田土壤水分分布趨勢;(4) 在整塊農(nóng)田中選定一個重點觀測區(qū),并在重點觀測區(qū)隨機選取建模樣點探測土壤水分,即得到建模樣點的VWC 值;(5)構(gòu)建PDI與 VWC值的關(guān)系模型,即得 到農(nóng)田土壤水分反演模型;(6) 計算整塊農(nóng)田的VWC 值,得到整塊農(nóng)田的土壤水分反演結(jié)果;(7)在整塊農(nóng)田中(重點觀測區(qū)除外) 隨機選取驗證樣點進行土壤水分探測,對土壤水分反演結(jié)果進行精度驗證. 

圖片關(guān)鍵詞

下面將對本方法所用的歸一化植被指數(shù)、垂直干旱指數(shù)和精度驗證指標(biāo)進行詳細(xì)介紹.
2.2.1  歸一化植被指數(shù) NDVI 在計算 PDI之前需要剔除植被像元對土壤水分計算的影響,本文利用歸一化植被指數(shù)( NDVI)[20] 得到植被覆蓋范圍,并對植被覆蓋范圍進行掩膜處理. NDVI計算公式
如下:
圖片關(guān)鍵詞

2.2.2  垂直干旱指數(shù) PDI土壤在紅波段 Red和近紅外波段 NIR 的反射率具有線性關(guān)系,在 NIR-Red光譜特征空間中,土壤的光譜變化表現(xiàn)為一個由近于原點發(fā)射的直線,稱為“ 土壤基線” [21],可以表示為:
圖片關(guān)鍵詞

其中,Rred、Rnir分別是紅光、近紅外波段的反射率,M、I分別為土壤基線的斜率、截距.

GHULAM 等[13]利用了土壤在NIR-Red  光譜特征空間的特性,建立了垂直干旱指數(shù)(PDI),可以有效地探測土壤水分. 其計算公式如下: 圖片關(guān)鍵詞

在NIR-Red二維散點圖中,PDI 構(gòu)成垂直于土壤基線的法線. 在NIR-Red 光譜特征空間上,從任何一個點到該法線的垂直距離可以說明土壤的干濕程度,距離越大則說明土壤越干旱,越小則說明土壤越濕潤,即 PDI 值越大表示土壤水分越低,反之土壤水分越高.

2.2.3  精度驗證指標(biāo) 

精度驗證分別采用決定系數(shù) R2、均方根誤差(Root Mean Square Error,RMSE)和系統(tǒng)誤差(Systematic Error,SE)3個指標(biāo)來分析.R2可以用來度量2個變量之間的回歸擬合效果,計算公式如下:

圖片關(guān)鍵詞

其中,image.png為估算值,Ai為實測值,image.png為所有實測值的均值;n為樣本數(shù)量;R2值介于0和1 之間,R2值越接近1,表示2個變量的回歸擬合效果越好 .

RMSE用來評價所有檢驗樣本的整體估算誤差,計算公式如下:

圖片關(guān)鍵詞

SE用來評價系統(tǒng)誤差的影響(如高估、低估),計算公式如下: 

圖片關(guān)鍵詞

RMSE和 SE值越小,代表模型的估算精度越高. 其中SE值大于0表示結(jié)果被高估,反之則表示被低估. 

3 結(jié)果與分析
3.1 土壤水分的反演模型
本文一共獲取了6個時相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點土壤水分?jǐn)?shù)據(jù)進行實驗. 根據(jù)在重點觀測區(qū)所探測的建模樣點的土壤體積含水率(VWC)和農(nóng)田土壤范圍的PDI,分別建立 VWC與PDI 的關(guān)系模型,得到每個時相的農(nóng)田土壤水分反演模型結(jié)果(圖4). 

由 6個時相的模型結(jié)果可知:PDI 與VWC值均呈負(fù)相關(guān)關(guān)系,PDI 越高,則 VWC越低,即土壤水分越低;從模型的擬合效果來看,6個時相的模型方程的擬合較好,決定系數(shù) R2均在0.8以上,且擬合方程的顯著性檢驗均具有統(tǒng)計學(xué)意義(P<0.01). 

圖片關(guān)鍵詞

3.2 土壤水分監(jiān)測結(jié)果
基于上述的農(nóng)田土壤水分反演模型,計算6個時相的農(nóng)田VWC 值(圖5),即可以得到每個時相的農(nóng)田土壤水分反演結(jié)果,實現(xiàn)整塊農(nóng)田土壤水分的監(jiān)測. 由圖5可知:(1)從農(nóng)田土壤水分結(jié)果來看,經(jīng)像元統(tǒng)計得到 6個時相的農(nóng)田VWC 均值分別為0.28、0.34、0.16、0.23、0.16、0.15;農(nóng)田土壤水分在作物生長期呈先增加后減少的趨勢,在作物生長后期( 2019年5月中下旬) 則明顯減少 (2)從農(nóng)田土壤水分空間分布來看,農(nóng)田的土壤水分在不同時期均存在空間分布不均的情況,在作物生長前期(2019年4月) 表現(xiàn)得最為明顯;2019年4月21日農(nóng)田東邊的土壤水分明顯大于西邊,4月28日農(nóng)田南邊的土壤水分明顯大于北邊. 因此,通過土壤水分反演結(jié)果可以快速判斷農(nóng)田總體土壤水分的高低,還能快速獲取農(nóng)田土壤水分的空間分布情況,對農(nóng)田精準(zhǔn)灌溉和種植管理有重要的指導(dǎo)意義 

  圖片關(guān)鍵詞

3.3 精度驗證
為了檢驗6時相土壤水分反演結(jié)果的精度水平,即對比模型反演結(jié)果( VWC估算值) 與土壤水分實際探測值( VWC實測值) 之間的差異,本文分別計算了 VWC估算值與對應(yīng)實測值之間的 R2、RMSE和 SE,以驗證反演結(jié)果的精度.由精度驗證結(jié)果(表2 和圖6) 可以看出:6 個時相的VWC 估算值與對應(yīng)實測值之間的 R2 均在0.8以上;除 2019 年4月28日的結(jié)果外,其余 5個時相的 RMSE 和 SE 值均小于0.1;6個時相的SE 值均大于0,說明土壤水分反演結(jié)果略有高估. 整體上,6個時相的農(nóng)田土壤水分反演結(jié)果精度較高,證明本文設(shè)計的基于 UAV 數(shù)據(jù)的農(nóng)田土壤水分監(jiān)測方法是有效的、可行的.

圖片關(guān)鍵詞

圖片關(guān)鍵詞


4、 結(jié)論
土壤水分是作物生長和發(fā)育的保證,對農(nóng)田土壤水分進行監(jiān)測,快速判斷農(nóng)田土壤水分的高低,獲取農(nóng)田土壤水分的空間分布情況,對農(nóng)作物合理灌
溉和農(nóng)業(yè)精準(zhǔn)化管理有重要的指導(dǎo)意義. 本文基于UAV 多光譜數(shù)據(jù)和垂直干旱指數(shù)(PDI)實現(xiàn)了農(nóng)田土壤水分的快速監(jiān)測.本文一共獲取了6 個時相的農(nóng)田UAV多光譜數(shù)據(jù)和田間樣點土壤水分?jǐn)?shù)據(jù),構(gòu)建了6 個時相的農(nóng)田土壤水分反演模型,并得到對應(yīng)的農(nóng)田土壤水分反演結(jié)果. 精度驗證結(jié)果表明:整體上反演結(jié)果精度較高,6 個時相的農(nóng)田土壤水分反演結(jié)果 R2 均在0.8 以上,5個時相的RMSE 和SE值均小于 0.1,說明本文設(shè)計的基于 UAV 數(shù)據(jù)監(jiān)測農(nóng)田土壤水分的方法是有效的、可行的. 因此,未來農(nóng)田土壤水分監(jiān)測,可以利用實時獲取的 UAV 多光譜數(shù)據(jù),選取 一個具有代表性的重點觀測區(qū)進行隨機樣點土壤水分探測,快速構(gòu)建農(nóng)田土壤水分的反演模型,進而完成農(nóng)田土壤水分的快速監(jiān)測. 本文提出的方法可以推廣和應(yīng)用于大范圍農(nóng)田土壤水分的快速監(jiān)測.


來源:馮珊珊,梁雪映,樊風(fēng)雷,王 塞,伍健恒.于無人機多光譜數(shù)據(jù)的農(nóng)田土壤水分遙感監(jiān)測 [J]. 華南師范大學(xué)學(xué)報.2020,52(6):74-81